【技术实现步骤摘要】
本申请涉及地图数据处理，尤其涉及地图要素识别模型的构建方法、地图要素识别方法及装置。
技术介绍
1、高精地图(high-definition maps，hd maps)是一种高精度、高分辨率的地图，与传统地图相比，高精地图具有更加精细的道路信息、交通标识、车道线和周围环境等细节，能够提供更加准确和全面的地理信息，因此高精地图一般用于自动驾驶车辆、智能交通系统和定位导航等领域，为自动驾驶车辆的定位、规划路径和决策等功能提供重要的技术支持。
2、在相关技术中，通常采用基于机器学习的算法或者u型网络、双向注意力编码器-解码器网络等算法实现地图识别。然而，随着训练数据的增加，基于机器学习的算法在优化损失函数时，其效率逐渐降低且无法对具体的像素级别的信息进行分类判别，从而导致利用基于机器学习的算法识别高精地图的效果差。
3、并且，由于高精地图的图像具有复杂的结构和特征，u型网络、双向注意力编码器-解码器网络等算法难以准确捕捉和利用这些信息，同样容易导致u型网络、双向注意力编码器-解码器网络等算法识别高精地图的效果差。>
<本文档来自技高网...
【技术保护点】
1.一种地图要素识别模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述初始网络结构包括编码器和解码器，所述在所述初始网络结构中增加傅里叶通道融合层，生成目标网络结构，包括：
3.根据权利要求2所述的方法，其特征在于，所述编码器包括N层卷积层，所述N为大于1的正整数，所述将所述编码器的输出与所述傅里叶通道融合层的输入进行拼接，包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述历史要素特征图和所述历史要素标签输入至所述目标网络结构进行训练，生成地图要素识别模型，包括：
5.根据权利要...
【技术特征摘要】
1.一种地图要素识别模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述初始网络结构包括编码器和解码器，所述在所述初始网络结构中增加傅里叶通道融合层，生成目标网络结构，包括：
3.根据权利要求2所述的方法，其特征在于，所述编码器包括n层卷积层，所述n为大于1的正整数，所述将所述编码器的输出与所述傅里叶通道融合层的输入进行拼接，包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述历史要素特征图和所述历史要素标签输入至所述目标网络结构进行训练，生成地图要素识别模型，包括：
5.根据权利要求4所述的方法，...
【专利技术属性】
技术研发人员：李宁，贾双成，万如，
申请(专利权)人：智道网联科技北京有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。